Особенности построения систем искусственного интеллекта

Лекция 2. Особенности построения систем искусственного интеллекта Формулировка концепции создания искусственного интеллекта Основной замысел по созданию искусственного интеллекта состоит в следующем: - во-первых, выявить основные моменты играющие существенную роль при создании естественного интеллекта; - во-вторых, попробовать реализовать эти моменты на базе современных компьютерных технологий. Наблюдения за системами естественного сформулировать следующую гипотезу. интеллекта позволяют 1. Естественный интеллект реально существует. 2. Естественный интеллект создается не мгновенно, а в течение довольно длительного времени по вполне определенной технологии, которая включает три основных этапа: - создание материальной системы поддержки естественного интеллекта по сложной технологии в изолированных от среды условиях; - создание активной информационной структуры, базирующейся на материальной системе поддержки, способной к развитию и саморазвитию в систему естественного интеллекта, т.е. создание системы потенциального естественного интеллекта (оболочки, инструментальной системы); - формирование структуры и функций естественного интеллекта во взаимодействии системы его поддержки с другими подобными системами и с окружающей средой, как с природной, так и с «социальной», т.е. созданной другими подобными системами, в результате чего происходит трансформация системы потенциального естественного интеллекта в систему реального естественного интеллекта. 3. Системы искусственного интеллекта (СИИ) полностью функционально эквивалентные естественному интеллекту могут быть созданы на базе другой материальной структуры системы поддержки системы и другой системы потенциального искусственного интеллекта. 4. Создание СИИ должно включать три этапа: - создание материальной системы поддержки (эта проблема в основном решена, т.к. СИИ могут создаваться даже на базе современных персональных компьютеров); - создание системы потенциального искусственного интеллекта, т.е. программной оболочки, инструментальной системы (таких систем в настоящее время существует пока еще очень мало); - обучение и самообучение системы потенциального искусственного интеллекта и преобразование ее в реальную СИИ. 5. Основную роль в создании системы потенциального искусственного интеллекта играет разработка научной концепции, отражающей способы реализации естественного интеллекта и пути его трансформации из потенциального в реальный. Определение систем искусственного интеллекта В 1950 году в статье «Вычислительные машины и разум» (Computing machinery and intelligence) выдающийся английский математики и философ Алан Тьюринг предложил тест, чтобы заменить бессмысленный, по его мнению, вопрос «может ли машина мыслить?» на более определѐнный. Вместо того, чтобы отвлеченно спорить о критериях, позволяющих отличить живое мыслящее существо от машины, выглядящей как живая и мыслящая, он предложил реализуемый на практике способ установить это. Тест Тьюринга: судья-человек ограниченное время (например, 5 минут) переписывается в чате (в оригинале – по телеграфу) на естественном языке с двумя собеседниками, один из которых – человек, а другой – компьютер. Если судья за предоставленное время не сможет надѐжно определить, кто есть кто, то компьютер прошѐл тест Тьюринга. Предполагается, что каждый из собеседников стремится, чтобы человеком признали его. С целью сделать тест простым и универсальным, переписка сводится к обмену текстовыми сообщениями. Переписка должна производиться через контролируемые промежутки времени, чтобы судья не мог делать заключения исходя из скорости ответов. (Тьюринг ввел это правило потому, что в его времена компьютеры реагировали гораздо медленнее человека. Сегодня же это правило необходимо, наоборот, потому что они реагируют гораздо быстрее, чем человек). Идею Тьюринга поддержал Джо Вайзенбаум, написавший в 1966 году первую «беседующую» программу «Элиза». Программа всего в 200 строк 25 лишь повторяла фразы собеседника в форме вопросов и составляла новые фразы из уже использованных в беседе слов. Тем ни менее этого оказалось достаточно, чтобы поразить воображение тысяч людей. Тьюринг считал, что компьютеры в конечном счѐте пройдут его тест, т.е. на вопрос: «Может ли машина мыслить?» он отвечал утвердительно, но в будущем времени: «Да, смогут!» Алан Тьюринг был не только выдающимся ученым, но и настоящим пророком компьютерной эры. Достаточно сказать, что в 1950 году (!!!), когда он писал, что к 2000 году, на столе у миллионов людей будут стоять компьютеры, имеющие оперативную память 1 миллиард бит (около 119 Мб) и оказался в этом абсолютно прав. Когда он писал это, все компьютеры мира вместе взятые едва ли имели такую память. Он также предсказал, что обучение будет играть важную роль в создании мощных интеллектуальных систем, что сегодня совершенно очевидно для всех специалистов по СИИ. Вот его слова: «Пытаясь имитировать интеллект взрослого человека, мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения «программы-ребенка» и задачу «воспитания» этой программы». Именно этот путь и используют практически все системы ИИ. Кроме того, именно на этом пути появляются и другие признаки интеллектуальной деятельности: накопление опыта, адаптация и т. д. Против теста Тьюринга было выдвинуто несколько возражений. 1. Машина, прошедшая тест, может не быть разумной, а просто следовать какому-то хитроумному набору правил. На что Тьюринг не без юмора отвечал: "А откуда мы знаем, что человек, который искренне считает, что он мыслит, на самом деле не следует какому- то хитроумному набору правил?" 2. Машина может быть разумной и не умея разговаривать, как человек, ведь и не все люди, которым мы не отказываем в разумности, умеют писать. Могут быть разработаны варианты теста Тьюринга для неграмотных машин и судей. 3. Если тест Тьюринга и проверяет наличие разума, то он не проверяет сознание (consciousness) и свободу воли (intentionality), тем самым не улавливая весьма существенных различий между разумными людьми и разумными машинами. Сегодня уже существуют многочисленные варианты интеллектуальных систем, которые не имеют цели, но имеют критерии поведения: генетические алгоритмы и имитационное моделирование эволюции. Поведение этих систем выглядит таким образом, как будто они имеют различные цели и добиваются их. Ежегодно производится соревнование между разговаривающими программами, и наиболее человекоподобной, по мнению судей, присуждается приз Лебнера (Loebner). Существует также приз для программы, которая, по мнению судей, пройдѐт тест Тьюринга. Этот приз ещѐ ни разу не присуждался. В заключение отметим, что и сегодня тест Тьюринга не потерял своей фундаментальности и актуальности, более того – приобрел новое звучание в связи с возникновением Internet, общением людей в чатах и на форумах под условными никами и появлением почтовых и других программ-роботов, которые рассылают спам (некорректную навязчивую рекламу и другую невостребованную информацию), взламывают пароли систем и пытаются выступать от имени их зарегистрированных пользователей и совершают другие неправомерные действия. Таким образом, возникает задачи: - идентификации пола и других параметров собеседника (на эту возможность применения своего теста указывал и сам Тьюринг); - выявления писем, написанных и посланных не людьми, а также такого автоматического написания писем, чтобы отличить их от написанных людьми было невозможно. Так что антиспамовый фильтр на электронной почте тоже представляет собой что-то вроде теста Тьюринга. Не исключено, что скоро подобные проблемы (идентификации: человек или программа) могут возникнуть и в чатах. Что мешает сделать сетевых роботов типа программы «Элиза», но значительно более совершенных, которые будут сами регистрироваться в чатах и форумах участвовать в них с использованием слов и модифицированных предложений других участников? Простейший вариант – дублирование тем с других форумов и перенос их с форума на форум без изменений, что мы уже иногда наблюдаем в Internet (например: сквозная тема про «Чакра-муни»). На практике чтобы на входе системы определить, кто в нее входит, человек или робот, достаточно при входе предъявить для решения простенькую для человека, но требующую огромных вычислительных ресурсов и системы типа неокогнитрона Фукушимы, задачку распознавания случайных наборов символов, представленных в нестандартных начертаниях, масштабах и поворотах на фоне шума. Решил, – значит стучится человекпользователь, не решил, – значит на входе робот, лазающий по мировой сети с неизвестными, чаще всего неблаговидными целями. Будем рассматривать следующие классы систем искусственного интеллекта. 1. Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами. 2. Автоматизированные системы распознавания образов. 3. Автоматизированные системы поддержки принятия решений. 4. Экспертные системы (ЭС). 5. Нейронные сети. 6. Генетические алгоритмы и моделирование эволюции. 7. Когнитивное моделирование. 8. Выявление знаний из опыта (эмпирических интеллектуальный анализ данных (data mining). фактов) и Данная классификация не является исчерпывающей. Система искусственного интеллекта в качестве существенной своей части включает: базу знаний, которая является результатом обобщения опыта эксплуатации данной системы в определенных конкретных условиях. Это значит, что программистом может быть разработана только «пустая оболочка» системы искусственного интеллекта, которая превращается в работоспособную систему в результате процесса обучения, который, таким образом, является необходимым технологическим этапом создания подобных систем. Можно провести аналогию между такой системой и ребенком: ребенок не может идти работать, т.к. ему для этого предварительно требуется длительное обучение в школе, а затем часто и в вузе, чтобы он смог выполнять определенные виды работ. Информационная модель реакции систем искусственного интеллекта на воздействия окружающей среды Модель реагирования системы на вызовы среды, предложенной в 1984 году В.Н. Лаптевым показана на рисунке 2.1. На вход системы поступает задача или проблема. Толкование различия между ними также дано В.Н. Лаптевым и состоит в следующем. Ситуация, при которой фактическое состояние системы не совпадает с желаемым (целевым) называется проблемной ситуацией и представляет собой: - задачу, если способ перевода системы из фактического состояния в желаемое точно известен, и необходимо лишь применить его; - проблему, если способ перевода системы из фактического состояния в желаемое не известен, и необходимо сначала его разработать и лишь затем применить его. Рис. 2.1. Схема реагирования открытой системы на вызовы среды по В.Н. Лаптеву Таким образом, можно считать, что проблема – это задача, способ решения которой неизвестен. Это означает, что если этот способ разработать, то этим самым проблема сводится к задаче, переводится в класс задач. Проще говоря, проблема – это сложная задача, а задача – это простая проблема. Но и проблемы различаются по уровню сложности: - для решения одних достаточно поддержки принятия решений; автоматизированной системы - для решения других – обязательным является творческое участие людей: специалистов, экспертов. Информационная модель деятельности специалиста, представленная на рисунке 2.2, разработана на основе модели, предложенной В.Н. Лаптевым. Рис. 2.2. Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности Рассмотрим информационную представленную на рисунке 2.2. модель деятельности специалиста, Блок 1. На вход системы поступает задача или проблема. Что именно неясно, т.к. чтобы это выяснить необходимо идентифицировать ситуацию и обратиться к базе данных стандартных решений с запросом, существует ли стандартное решение для данной ситуации. Блок 2. Далее осуществляется идентификация проблемы или задачи и прогнозирование сложности ее решения. На этом этапе применяется интеллектуальная система, относящаяся к классу систем распознавания образов, идентификации и прогнозирования или эта функция реализуется специалистом самостоятельно "вручную". Блок 3. Если в результате идентификации задачи или проблемы по ее признакам установлено, что точно имеется стандартное решение, то это означает, что на вход системы поступила точно такая же задача, как уже когда-то ранее встречалась. Для установления этого достаточно информационно-поисковой системы, осуществляющей поиск по точному совпадению параметров запроса и в применении интеллектуальных систем нет необходимости. Тогда происходит переход на блок 7, а иначе на блок 4. Блок 4. Если установлено, что точно такой задачи не встречалось, но встречались сходные, аналогичные, которые могут быть найдены в результате обобщенного (нечеткого) поиска системой распознавания образов, то решение может быть найдено с помощью автоматизированной системы поддержки принятия решений путем решения обратной задачи прогнозирования. Это значит, что на вход системы поступила не задача, а проблема, имеющая количественную новизну по сравнению с решаемыми ранее (т.е. не очень сложная проблема). В этом случае осуществляется переход на блок 9, иначе – на блок 5. Блок 5. Если установлено, что сходных проблем не встречалось, то необходимо качественно новое решение, поиск которого требует существенного творческого участия человека-эксперта. В этом случае происходит переход на блок 12, а иначе – на блок 6. Блок 6. Переход на этот блок означает, что возможности поиска решения или выхода из проблемной ситуации системой исчерпаны и решения не найдено. В этом случае система обычно терпит ущерб целостности своей структуре и полноте функций, вплоть до разрушения и прекращения функционирования. Блок 7. На этом этапе осуществляется реализация стандартного решения, соответствующего точно установленной задаче, а затем проверяется эффективность решения на блоке 8. Блок 8. Если стандартное решение оказалось эффективным, это означает, что на этапах 2 и 3 идентификация задачи и способа решения осуществлены правильно и система может переходить к разрешению следующей проблемной ситуации (переход на блок 1). Если же стандартное решение оказалось неэффективным, то это означает, что проблемная ситуация идентифицирована как стандартная задача неверно и необходимо продолжить попытки ее разрешения с использованием более общих подходов, основанных на применении систем искусственного интеллекта (переход на блок 4), например, систем поддержки принятия решений. Блок 9. Применяется автоматизированная система поддержки принятия решений, обеспечивающая решение обратной задачи прогнозирования. Отличие подобных систем от информационно-поисковых состоит в том, что они способны производить обобщение, выявлять силу и направление влияния различных факторов на поведение системы, и, на основе этого, по заданному целевому состоянию вырабатывать рекомендации по системе факторов, которые могли бы перевести систему в это состояние (обратная задача прогнозирования). Блок 10. Если решение, полученное с помощью системы поддержки принятия решений, оказалось неэффективным, то это означает, что проблемная ситуация идентифицирована как аналогичная ранее встречавшимся неверно. Следовательно, что на вход системы поступила качественно новая, по сравнению с решаемыми ранее, т.е. сложная проблема. В этом случае необходимо продолжить попытки разрешения проблемы с использованием творческих неформализованных подходов с участием человека-эксперта и перейти на блок 5, иначе – на блок 11. Блок 11. Информация об условиях и результатах решения проблемы заносится в базу знаний, т.е. стандартизируется. После чего база знаний количественно (не принципиально) изменяется, т. е. осуществляется ее адаптация. В результате адаптации при встрече в будущем точно таких же проблемных ситуаций, как разрешенная, система уже будет разрешать ее не как проблему, а как стандартную задачу. Блок 12. На этом этапе с использованием неформализованных творческих подходов осуществляется поиск качественно нового решения проблемы, не встречавшейся ранее, после чего управление передается блоку 13. Блок 13. Если решение, полученное экспертами с помощью неформализованных подходов, оказалось неэффективным, то это означает, что система терпит крах (осуществляется переход на блок 6). Если же адекватное решение найдено, то происходит переход на блок 14. Блок 14. Стандартизация качественно нового решения, проблемы и пересинтез модели. Информация об условиях и результатах творческого решения проблемы заносится в базу знаний, т.е. стандартизируется. После этого база знаний качественно, принципиально изменяется, т.е. фактически осуществляется ее пересоздание (пересинтез). В результате пересинтеза базы знаний при встрече в будущем проблемных ситуаций, аналогичных разрешенной, система уже будет реагировать на них как проблемы, решаемые автоматизированными системами поддержки принятия решений. Блоки, в которых используются системы искусственного интеллекта, на рисунке 2.2 показаны затемненными: - блоки 2 и 12: система распознавания образов, идентификации и прогнозирования; - блоки 9, 11, 12 и 14: автоматизированная система поддержки принятия решений. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла Жизненный цикл систем искусственного интеллекта сходен с жизненным циклом другого программного обеспечения и включает этапы и критерии перехода между ними, представленные в таблице 2.1. Таблица 2.1 Этапы жизненного цикла систем искусственного интеллекта и критерии перехода между ними, в соответствии с работой № Наименование этапа Критерии перехода к следующему этапу 1 Разработка идеи и концепции системы Появление (в результате проведения маркетинговых и рекламных мероприятий) заказчика или спонсора, заинтересовавшегося системой Разработка 2 теоретических основ системы Обоснование выбора математической модели по критериям или обоснование необходимости разработки новой модели Разработка 3 математической модели Детальная разработка математической модели системы Разработка методики 4 численных расчетов в системе: 4.1 – разработка структур данных детальная разработка структур входных, промежуточных и выходных данных разработка обобщенных и детальных алгоритмов, – разработка алгоритмов 4.2 реализующих на разработанных структурах данных обработки данных математическую модель Разработка структуры 5 системы и экранных форм интерфейса Разработка иерархической системы управления системой, структуры меню, экранных форм и средств управления на экранных формах Разработка исходного текста программы системы, его Разработка программной 6 компиляция и линковка. Исправление синтаксических реализации системы ошибок в исходных текстах 7 Отладка системы Поиск и исправление логических ошибок в исходных текстах на контрольных примерах. На контрольных примерах новые ошибки не обнаруживаются. Экспериментальная эксплуатация Поиск и исправление логических ошибок в исходных текстах на реальных данных без применения результатов работы системы на практике. На реальных данных новые ошибки практически не обнаруживаются, но считаются в принципе возможными. 9 Опытная эксплуатация Поиск и исправление логических ошибок в исходных текстах на реальных данных с применением результатов работы системы на практике. На реальных данных новые ошибки не 8 обнаруживаются и считаются недопустимыми. Промышленная эксплуатация Основной по длительности период, который продолжается до тех пор, пока система функционально устраивает Заказчика. У Заказчика появляется необходимость внесения количественных (косметических) изменений в систему на уровне п.5 (т.е. без изменения математической модели, структур данных и алгоритмов) 11 Заказные модификации системы У Заказчика формируется потребность внесения качественных (принципиальных) изменений в систему на уровне п.3 и п.4, т.е. с изменениями в математической модели, структурах данных и алгоритмах 12 Разработка новых версий Выясняется техническая невозможность или финансовая системы нецелесообразность разработки новых версий системы 13 Снятие системы с эксплуатации 10